正则表达式模式匹配意外值

Question

我正在使用以下 python 正则表达式代码来分析电子邮件收件人字段中的值：

import re

PATTERN = re.compile(r'''((?:[^(;|,)"']|"[^"]*"|'[^']*')+)''')
list = PATTERN.split(raw)[1::2]

列表应输出每个收件人的姓名和地址，基于“，”或“;”作为分隔符。如果这些值在引号内，它们将被忽略，这是名称的一部分，通常是：“姓氏，名字”

大多数情况下，这很有效，但是在以下情况下，我会遇到意外行为：

"Some Name | Company Name" <name@example.com>

在这种情况下，它在“|”上进行拆分特点。即使当我在正则表达式测试器网站上检查模式时，它也会将名称和地址作为一个整体进行选择。我做错了什么？

示例输入是：

"Some Name | Company Name" <name1@example.com>, "Some Other Name | Company Name" <name2@example.com>, "Last Name, First Name" <name3@example.com>

Answer 1

这不是对您的问题的直接回答，而是对您似乎正在解决的问题的直接回答，因此可能仍然有帮助：

为了解析电子邮件，我总是广泛使用 Python 的 email library。

在你的情况下，你可以使用这样的东西：

from email.utils import getaddresses
from email import message_from_string

msg = message_from_string(str_with_msg_source)
tos = msg.get_all('to', [])
ccs = msg.get_all('cc', [])
resent_tos = msg.get_all('resent-to', [])
resent_ccs = msg.get_all('resent-cc', [])
all_recipients = getaddresses(tos + ccs + resent_tos + resent_ccs)
for (name, address) in all_recipients:
    # do some postprocessing on name or address if necessary

在我的案例中，这总是可靠地在邮件标题中拆分名称和地址。

Answer 2

您可以使用更简单的正则表达式来拆分文本。

r'(?<=>)\s*,\s*(?=")'

正则表达式解释

• \s*,\s* 匹配被零个或多个空格包围的, (\s*)

• (?<=>) 查看断言后面。检查, 前面是否有>

• (?=") 前瞻断言。检查, 后面是否跟"

测试

>>> re.split(r'(?<=>)\s*,\s*(?=")', string)
['"Some Name | Company Name" <name1@example.com>', '"Some Other Name | Company Name" <name2@example.com>', '"Last Name, First Name" <name3@example.com>']

更正

• 案例 1 在上面的示例中，我们使用了单个分隔符 ,。如果您希望基于多个分隔符进行拆分，您可以使用字符类

  r'(?<=>)\s*[,;]\s*(?=")'
  

  • [,;] 字符类，匹配 , 或 ;

---

• 案例2如cmets中所说，如果地址部分缺失，我们只需在look后面添加"即可

  示例

  >>> string = '"Some Other Name | Company Name" <name2@example.com>, "Some Name, Nothing", "Last Name, First Name" <name3@example.com>' 
  
  >>> re.split(r'(?<=(?:>|"))\s*[,;]\s*(?=")', string)
  ['"Some Other Name | Company Name" <name2@example.com>', '"Some Name, Nothing"', '"Last Name, First Name" <name3@example.com>']